Lab6: Social Navigering på Amazon.com. Inledning. Vad är Social navigering?

Transkript

1 Lab6: Social Navigering på Amazon.com William Sporrong d99-vsp Inledning Den här rapporten ingår som en laboration i kursen Datorstöd för Samarbete på Nada, KTH. Syftet med laborationen är att undersöka ett verktyg som är designat för att stödja kommunikation och eller samarbete. Denna rapport undersöker hur Amazon.com stödjer social navigation samt hur detta underlättar för användaren. Social navigation på en www sajt består i en eller flera agenter som är till för att hjälpa användaren att navigera och filtrera informationen på sajten. Dessa agenter handlar med hjälp av tidigare insamlad information från användare för att ge råd till nya användare. På Amazon består den sociala navigationen framförallt av ett omfattande rekommendations system. Detta rekommendationssystem står i centrum för den användarundersökning som pressenteras i rapporten. Förutom resultaten från denna undersökning beskriver rapporten mer utförligt begreppet social navigation samt hur detta är implementerat på Amazon.com. Vad är Social navigering? Social navigering är ett relativt nytt begrepp och det existerar flera olika definitioner. Denna rapport utgår från Martin Svenssons tolkning. Han menar att social navigering är samma sak som navigering. Det som skiljer dem åt är verktygen. I social navigering innefattar verktygen sociala element. 1 Ett socialt element kan vara kontakt med en annan människa. Det är exempelvis social navigering att hitta rätt väg genom att fråga människor men inte att gå efter en karta. Vidare är det social navigation att följa en stig i en skog därför att stigen har bildats av att andra människor har gått där. Att följa en gata i en stad är inte social navigation därför att gatan har uppkommit genom planering och är en bestående del av stadsbilden, ett icke socialt verktyg. Social navigation beskriver vad människor gör och inte vad den som designade informationsrymden ville att de skulle göra. Spår av social navigation är dynamiska och försvinner om de inte används på samma sätt som stigen i skogen försvinner om ingen går där. 2 Den typ av social navigation som bygger på spår av andra användare kallas historieberikning. Det finns även andra former av social navigation. Social navigation förekommer i både fysiska och virtuella informationsrymder. I virtuella informationsrymder så som datorprogram och www sidor uppstår social navigation inte naturligt så som i fysiska rymder. Utan det underliggande systemet måste vara designat för att stödja det. Att stödja social navigation i informationsrymder är eftersträvansvärt då det hjälper användare att filtrera informationen och hitta rätt. Social navigation i virtuella rymder kan tillhandahållas av mänskliga eller virtuella agenter. Exempel på virtuella agenter är sökmotorer så som Google och AltaVista. Mänskliga agenter förekommer

2 bland annat i onlinespel i egenskap av andra spelare som hjälper nybörjare att komma igång och hitta rätt. 3 Virtuella agenter opererar ofta genom att samla in och analysera information och beteendemönster från tidigare användare och med hjälp av denna information utfärda rekommendationer. Ett informationssystem kan designas så att det stödjer kommentarer, betygssättning med mera. Genom att tillföra sådana funktioner kan man ytterligare förenkla filtreringen samt skapa förtroende för systemet. Exempelvis så har ebay, den största aktionssajten på nätet, betygssättning på varje försäljare. Den potentiella köparen kan själv se hur många personer som handlat från en säljare samt hur nöjda de varit med köpet. När information verifieras i en informationsrymd talar man om begreppet kvalité. 4 Om Amazon.com Amazon.com öppnade 1995 på webben och har växt från att bara sälja böcker till att också sälja filmer, dataspel, leksaker, kläder och elektronik. Enligt dem själva kommer de snart även att sälja biltillbehör, möbler, djurtillbehör mm. Syftet med sajten är helt klart att sälja så mycket produkter som möjligt. Rekommendationssystemet är inrättat för att förenkla shoppingen och därigenom öka intäkterna. Systemet förefaller lyckat då Amazon.com nyligen fick 88 poäng på American Customer Satisfaction Index, ACSI, högre än något annat företag inom servicesektorn. ACSI är ett vedertaget mått på hur nöjda kunderna är med ett visst företag. 5 Social navigation på Amazon.com Den sociala navigationen på Amazon.com består av: - Ett sök system i vilket man kan söka i sortimentet. - Topplistor över de på Amazon populäraste produkterna inom varje produktgrupp. Detta är en form av historieberikning - Ett skräddarsytt rekommendationssystem som bygger på att användaren matar in uppgifter om sig själv. Detta är ett filtreringssystem. - För varje produkt så finns det en lista med customers who bought this product also bought och customers interested in this product where also interested in, vilket är historieberikning. - För varje produkt finns möjligheten att läsa recessioner från både proffs och vanliga besökare samt se ett medelvärde på betyg från kunder. För att begränsa rapportens omfattning koncentreras underökningen på det skräddarsydda rekommendationssystemet. Detta system är speciellt intressant därför att det utnyttjar statistik från de andra systemen på sajten. Rekommendationerna bygger bland annat på vad andra användare som gillar en produkt som man själv visat intresse för också gillade. Samt de populäraste produkterna inom en viss kategori som man har visat intresse för osv. Exakt hur det skräddarsydda rekommendationssystemet fungerar är inte klart och det

3 är inte heller målsättningen med denna rapport att utreda. Undersökningen som pressenteras försöker ge ett mått på hur pass bra systemet fungerar. Beskrivning av rekommendationssystemet Layouten på Amazon.com består av en vänster kolumn för att välja kategori och söka, en mitten kolumn som innehåller huvudtexten, en höger kolumn med shoppingvagnen och ett sidhuvud med logotyp och länkar till sidans olika avdelningar. När man går in på sidan för första gången möts man av rekommendationer på produkter från de olika avdelningarna, se bild 1. Det är oklart varför just dessa produkter rekommenderas men de grundar sig antagligen på de produkter som säljer bäst. Dessa rekommendationer är den första glimten av rekommendationssystemet, som vid det här skedet ännu inte är skräddarsytt för användaren. När ett filtreringssystem inte har tillräckliga uppgifter om en användare ger det naturligtvis dåliga råd. Detta kallas för coldstarts. 6 Bild 1 Förstasidan på Amazon.com Utifrån första sidan har man flera valmöjligheter. Antingen kan man logga in om man har en befintlig kundprofil eller skapa en ny profil eller titta runt på sidan utan någon profil. För att kunna utvärdera rekommendationssystemet valdes här skapa en ny profil. För att skapa profilen blir man ombedd att fylla i namn, adress och ge ett lösenord därefter kan man välja att skräddarsy sina rekommendationer med recommendations 6

4 wizard. När man väljer detta kommer man till en sida där man först ska välja vilken avdelning man är intresserad av. För att begränsa undersökningen valdes i användartestet endast dvd. Därefter ombeds man välja vilka genres man tycker bäst om. Efter det kan man att skriva in namnet på en bra film, regissör eller skådespelare vartefter en lista med femton filmer visas. Dessa filmer kan man betygsätta på en skala mellan ett till fem, se bild 2. Efter man gjort det kan man antingen fortsätta skräddarsy sina rekommendationer med ytterligare en tur med recommendations wizard eller gå till sin nu skräddarsydda huvudsida. Bild 2 Recommendations Wizard för avdelningen DVD Användartest För att undersöka hur pass bra rekommendationssystemet på Amazon.com fungerar utfördes ett användartest. Totalt deltog åtta personer. Personerna ifråga är vänner till mig och tillfrågades via ICQ. Testet skickades till dessa personer via . Jag fanns till hands på ICQ för att svara på eventuella frågor och reda ut oklarheter. Testet återfinns i bilaga 1.

5 Resultat och analys Syftet med fråga ett och två var att utreda hur bra rekommendationerna var och hur detta förändrades i och med att man fyllt i mer personliga uppgifter. Det visade sig dock att alla användare fick olika antal rekommendationer i första steget. Detta beroende på att rekommendationssystemet inte hade tillräckligt mycket information och således anpassade mängden rekommendationer. Räknat i procent tyckte testdeltagarna i genomsnitt att 80% av rekommendationerna var bra redan i första steget, då de endast betygsatt tre filmer. Efter att ha betygsatt ytterligare 20 filmer erhöll samtliga deltagare 115 rekommendationer och utifrån dess ansåg de att 73% var bra. Hur kan det då komma sig att systemet gav bättre rekommendationer med bara tre betygsatta filmer än med 23? Förklaringen ligger som redan nämnts i att systemet, då det har brist på information, inte ger lika många rekommendationer. Av dessa få rekommendationer visade det sig att många härrörde från topplistan. Således skulle procent siffrorna kunna tolkas som att många av de tillfrågade var intresserade av filmer på topplistan. Mer imponerande är att de tillfrågade i snitt ansåg att 73% av de 115 rekommendationerna var intressanta vilket måste ses som ett bra betyg för systemet. För att undersöka hur pass personliga rekommendationerna var ställdes en fråga om det utav de 115 rekommendationerna fanns någon film som försökspersonen aldrig hört talas om men som verkade intressant. På denna fråga svarade alla utom en av de tillfrågade ja. Av det kan man dra slutsatsen att systemet inte bara rekommenderar storsäljare utan verkligen tar vara på den insamlade informationen. Vidare ställdes frågan om hur pass personliga rekommendationerna var på en skala från ett till fem. Där ett är helt opersonliga och fem: personliga. Denna fråga fick medelvärdet 4,4 vilket också det är ett bra betyg för systemet. Slutligen ställdes frågan om hur pass lätt navigerad Amazon.com är. Också denna fråga skulle besvaras med betyg mellan ett och fem. Frågan fick medelvärde 3,4. Syftet med denna fråga var att få en helhetsbedömning av hur pass lätt använd sidan är. Medelvärdet drogs ner av att en av de tillfrågade svarade 1. Resultatens tillförlitlighet är inte optimal då urvalsgruppen var begränsad till både antal och bakgrund. Samtliga av de tillfrågade är i åldrarna mellan 20 och 26, bor i Stockholm och använder Internet dagligen.

6 Slutsats Amazon är en av de framgångsrikaste näthandelsplatserna idag. Sidan är mycket väldesignad och det är tydligt att mycket kraft har lagds ner på att göra den lättnavigerad. För att åstadkomma detta har man inkorporerat flera element av social navigation. Av dessa element är det skräddarsydda rekommendationssystemet det mest omfattande. I denna rapport gjordes en kort användarundersökning för att ta reda på hur pass bra detta system fungerar. Resultaten visar på att systemet fungerar mycket bra. Av de rekommendationer som gavs ansåg testdeltagarna i snitt att 73% av rekommendationerna var bra. Systemet agerar genom att analysera information från tidigare köp och betyg samtidigt som det också förslår filmer som generellt säljer bra och speciellt inom de genres som personen i fråga har angett att han/hon är intresserad av. I samtliga fall utom ett lyckades systemet ge minst en rekommendation på en film som deltagaren inte kände till som han/hon ansåg intressant. Generellt så upplevde test deltagarna att Amazon var lätt navigerad och systemet gav personliga råd.

7 Referenser - Kai Ian Hendry (2001), Essay on Social Navigation:Recommender Systems, University of Helsinki Department of Computer Science, - Chenhui Huang (2002), Social Navigation of Scientific References, School of Computing University of Leeds, - Kirsten Swearingen, Rashmi Sinha, Interaction Design for Recommender Systems, School of Information Management & Systems, Univeristy of California, Berkley, - Martin Svensson, Social Navigation, SICS, - Okänd, The Recommender System At Amazon.com, -

8 Bilaga 1 Användartest Syftet med detta användartest är att utreda hur pass bra rekommendationssystemet på Amazon.com är. Resultatet kommer pressenteras i en rapport som ingår som ett moment i kursen Datorstöd för samarbete på KTH. Instruktioner & frågor 1. Gå in på 2. Registrera dig som ny användare 3. Använd Recommendations wizard för att skräddarsy dina rekommendationer o Välj endast DVD som intresseområde o Välj de genres som intresserar dig o Sök sedan efter en DVD som du gillar och betygsätt den 4. Betygsätt minst 5 filmer på samma sätt som i steg Gå till din sida Klicka på ditt namn s store i toppmenyn 6. Under Your recommendations i mittkolumnen hittar du en dvd någonstans på sidan. Klicka på länken See More Recommendations och därefter på länken More DVD recommendations. Om det Amazon inte kan ge några rekommendationer prova att betygsätt 2-3 filmer till genom att klicka improve your recommendations i höger kolumnen. 7. Nu visas en sida med 15 DVD rekommendationer. Du kan klicka på More results för att komma till ytterligare en sida med DVD rekommendationer. Hur många av dessa rekommendationer anser du vara intressanta för dig(svara med antal intressanta/totalt antal rekommendationer)? (Även om du äger eller redan sett filmen i fråga betraktas den som intressant) 8. Klicka på Your recommendations i toppmenyn och därefter på Improve Your Recommendations. 9. Skräddarsy dina rekommendationer genom att betygsätta och kryssa i I own it för de filmer du har. Betygsätt eller Kryssa i I own it på 20 olika filmer. 10. Repetera steg 4 till 6. Hur många av rekommendationerna anser du vara intressanta nu?(svara med antal intressanta/totalt antal rekommendationer) 11. Fanns det någon av rekommendationerna som du inte hör talas om förut som verkade intressant? 12. Betygsätt hur pass personliga du tycker rekommendationer som gavs i sista steget känns. (skala 1: inte personliga 5: mycket personliga) 11. Känns Amazon.com som en lättnavigerad sajt (1: nej det är mycket svårt att hitta det man söker 5: Det är hur lätt som helst att hitta det man söker)